无线通信技术、传感器技术与嵌入式技术的不断进步,促进了低成本、低功耗、多功能的传感器节点快速发展,从而这种由微型传感器节点组成的无线传感网络(Wireless Sensor Networks——WSN)迅速普及。在WSN中,传感器节点采集监控区域内感知对象的信息,然后通过无线通信将这些信息发送给基站(Base Station——BS),然而由于WSN所处的环境复杂、且涉及的传感器种类数量众多,所以通常需要对BS接收的数据进行可信性评估,只有通过评估的数据才能用于关键决策。一般使用溯源(Provenance)评估数据的可信性。Provenance记录了一个数据从产生、转发至到达BS涉及的所有节点,以及在这些节点上对该数据实施的操作。因此Provenance会随着数据传输链路长度的增加而快速膨胀,当数据量较大时通常采用分段传输以克服Provenance的数据量过载问题。针对现有的Provenance分段传输方法要求BS必须正确收到全部分段数据之后才能实施Provenance解压缩、且平均压缩比较低的问题,本文设计了一种基于逐级重建的Provenance增量压缩方法,即通过对WSN进行多级分簇管理并应用整数具有唯一的素因子分解这一性质,实现了在编码时计算节点之间ID的增量信息,在解码时BS能够按粒度从粗到细逐级精化重建Provenance,由此较为完善地解决了上述问题。理论分析和实验数据均表明,与传统的Provenance分段传输方法相比,该方法不仅具有更高的Provenance压缩比,可有效节省传输能耗,而且由于引入了增量传输,所以鲁棒性也更好。